使用Scala将字符串连接到Spark数据框中的列表的每个元素

Question

我在Spark数据帧中有两列：一列是字符串，另一列是字符串列表。 如何创建一个新列，该列是第1列中的String与第2列中的列表的每个元素的串联，从而在第3列中产生另一个列表。

例如，如果列1为“ a”，列2为[“ A”，“ B”]，则希望数据帧第3列的输出为[“ aA”，“ aB”]。

到目前为止，我有：

val multiplier = (x1: String, x2: Seq[String]) => {x1+x2}
val multiplierUDF = udf(multiplier)
val df2 = df1
  .withColumn("col3", multiplierUDF(df1("col1"),df1("col2")))

这给出aWrappedArray(A,B)

Answer 1

我建议您在spark之外尝试udf函数，并首先让它们对局部变量起作用。 如果您这样做：

val multiplier = (x1: String, x2: Seq[String]) => {x1+x2}
multiplier("a", Seq("A", "B"))

// output
res1: String = aList(A, B)

您会看到multiplier没有执行您想要的操作。

我认为您正在寻找：

val multiplier = (x1: String, x2: Seq[String]) => x2.map(x1+_)
multiplier("a", Seq("A", "B"))

//output
res2: Seq[String] = List(aA, aB)

Answer 2

我认为您应该将UDF重新定义为类似于我的功能append

val a = Seq("A", "B")
val p = "a"

def append(init: String, tails: Seq[String]) = tails.map(x => init + x)

append(p, a)

//res1: Seq[String] = List(aA, aB)